RANGKUMAN METHOD MENGENAI TENTANG SISTEM

PENDUKUNG KEPUTUSAN PENILAIAN PROSES BELAJAR

MENGAJAR MENGGUNAKAN METODE SIMPLE ADDITIVE
WEIGHTING (SAW) , ANALITYCAL HIERARCHY PROCESS (AHP),
WEIGHTED PRODUCT (WP)

Dosen Pengampu :
Rani Pratiwi, M.Pd.

Disusun Oleh Kempok 3 :

No Nama Mahasiswa Npm

1 Helinda Agustina 19100149
2 Putri Ayuna 19100248
3 Mustika Dewi 19100144
4 Robi Maulana 19100150
5 Novki Sapta R 19100235

SISTEM INFORMASI
STMIK PRINGSEWU
2019
Analitycal Hierarchy Process (AHP)

AnalitycalHierarchyProcess (AHP) Adalah metode untuk memecahkan suatu situasi

yang komplek tidak terstruktur kedalam beberapa komponen dalam susunan yang hirarki,
dengan memberi nilai subjektif tentang pentingnya setiap variabel secara relatif, dan
menetapkan variabel mana yang memiliki prioritas paling tinggi guna mempengaruhi hasil
pada situasi tersebut.

Proses pengambilan keputusan pada dasarnya adalah memilih suatu alternatif yang
terbaik. Seperti melakukan penstrukturan persoalan, penentuan alternatif-alternatif,
penenetapan nilai kemungkinan untuk variabel aleatori, penetap nilai, persyaratan preferensi
terhadap waktu, dan spesifikasi atas resiko. Betapapun melebarnya alternatif yang dapat
ditetapkan maupun terperincinya penjajagan nilai kemungkinan, keterbatasan yang tetap
melingkupi adalah dasar pembandingan berbentuk suatu kriteria yang tunggal.

Peralatan utama AnalitycalHierarchyProcess (AHP) adalah memiliki sebuah hirarki

fungsional dengan input utamanya persepsi manusia. Dengan hirarki, suatu masalah
kompleks dan tidak terstruktur dipecahkan ke dalam kelomok-kelompoknya dan diatur
menjadi suatu bentuk hirarki.

Kelebihan Analitycal Hierarchy Process (AHP)

Kelebihan AHP dibandingkan dengan lainnya adalah :

1. Struktur yang berhirarki, sebagai konsekwensi dari kriteria yang dipilih, sampai pada
subkriteria yang paling dalam
2. Memperhitungkan validitas sampai dengan batas toleransi inkosistensi berbagai
kriteria dan alternatif yang dipilih oleh para pengambil keputusan
3. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas pengambilan
keputusan.

Selain itu, AHP mempunyai kemampuan untuk memecahkan masalah yang multi
obyektif dan multi-kriteria yang berdasarkan pada perbandingan preferensi dari setiap elemen
dalam hirarki. Jadi, model ini merupakan suatu model pengambilan keputusan yang
komprehensif. Memperhitungkan daya tahan atau ketahanan output analisis sensitivitas
pengambilan keputusan.

Prinsip Dasar Pemikiran AHP

Dalam memecahkan persoalan dengan analisis logis eksplisit, ada tiga prinsip yang
mendasari pemikiran AHP, yakni : prinsip menyusun hirarki, prinsip menetapkan prioritas,
dan prinsip konsistensi logis.

Prinsip Menyusun Hirarki

Prinsip menyusun hirarki adalah dengan menggambarkan dan menguraikan secara

hirarki, dengan cara memecahakan persoalan menjadi unsur-unsur yang terpisah-pisah.
Caranya dengan memperincikan pengetahuan, pikiran kita yang kompleks ke dalam bagian
elemen pokoknya, lalu bagian ini ke dalam bagian-bagiannya, dan seterusnya secara hirarkis.

Penjabaran tujuan hirarki yang lebih rendah pada dasarnya ditujukan agar
memperolah kriteria yang dapat diukur. Walaupun sebenarnya tidaklah selalu demikian
keadaannya. Dalam beberapa hal tertentu, mungkin lebih menguntungkan bila menggunakan
tujuan pada hirarki yang lebih tinggi dalam proses analisis. Semakin rendah dalam
menjabarkan suatu tujuan, semakin mudah pula penentuan ukuran obyektif dan kriteria-
kriterianya. Akan tetapi, ada kalanya dalam proses analisis pangambilan keputusan tidak
memerlukan penjabaran yang terlalu terperinci. Maka salah satu cara untuk menyatakan
ukuran pencapaiannya adalah menggunakan skala subyektif.

Prinsip Menetapkan Prioritas Keputusan

Bagaimana peranan matriks dalam menentukan prioritas dan bagaimana menetapkan

konsistensi.

 Menetapkan prioritas elemen dengan membuat perbandingan berpasangan, dengan

skala banding telah ditetapkan oleh Saaty ( Yan O., 1995).
Table 2.9 Penetapan Prioritas Elemen dengan Perbandingan Berpasangan

Intensitas
Keterangan Penjelasan
Kepentingan

Kedua elemen sama pentingnya Dua elemen mempunyai

1 pengaruh yang sama besar
terhadap tujuan

Elemen yang satu sedikit lebih Pengalaman dan penilaian

3 penting dari pada elemen yang sedikit menyokong satu elemen
lainnya dibandingkan elemen lainnya

Elemen yang satu lebih penting Pengalaman dan penilaian

dari pada elemen yang lainnya sangat kuat menyokong satu
5
elemen dibandingkan elemen
lainnya

Satu elemen jelas lebih penting Satu elemen yang kuat

7 dari pada elemen lainnya dikosong san dominan terlihat
dalam praktek

Satu elemen mutlak penting Bukti yang mendukung elemen

dari pada elemen lainnya yang satu terhadap elemen lain
9 memiliki tingkat penegasan
tertinggi yang mungkin
menguatkan

Nilai-nilai antara dua nilai Nilai ini diberikan bila ada dua
2,4,6,8
pertimbangan yang berdekatan kompromi diantara dua pilihan

Jika untuk aktivitas I mendapat satu angka disbanding dengan

Kebalikan aktivitas j, maka j mempunyai nilai kebalikannya dibanding
dengan i

Perbandingan ini dilakukan dengan matriks. Misalkan untuk memilih manajer, hasil
pendapat para pakar atau sudah menjadi aturan yang dasar (generic), managerialskillsedikit
lebih penting daripada pendidikan, teknikalskill sama pentingnya dengan pendidikan serta
personal skill berada diantaramanagerial dan pendidikan.

Prinsisp Konsistensi Logika

Matriks bobot yang diperoleh dari hasil perbandingan secara berpasangan tersebut,
harus mempunyai hubungan kardinal dan ordinal, sebagai berikut:

 Hubungan kardinal : aij . ajk = ajk

 Hubungan ordinal : Ai>Aj>Aj>Ak, maka Ai>Ak

Hubungan diatas dapat dilihat dari dua hal sebagai berikut:

1. Dengan melihat preferensi multiplikatif, misalnya jika apel lebih enak 4 kali dari jeruk
dan jeruk lebih enak 2 kali dari melon, maka apel lebih enak 8 kali dari melon
2. Dengan melihat preferensi transitif, misalnya apel lebih enak dari jeruk, dan jeruk
lebih enak dari melon, maka apel lebih enak dari melon

Pada keadaan sebenarnya akan terjadi beberapa penyimpangan dari hubungan

tersebut, sehingga matriks tersebut tidak konsisten sempurna. Hal ini terjadi karena
ketidakkonsistenan dalam preferensi seseorang

Untuk model AHP, matriks perbandingan dapat diterima jika nilai rasio konsisten <
0.1. nilai CR < 0.1 merupakan nilai yang tingkat konsistensinya baik dan dapat
dipertanggung jawabkan. Dengan demikian nilai CR merupakan ukuran bagi konsistensi
suatu komparasi berpasangan dalam matriks pendapat. Jika indeks konsistensi cukup tinggi
maka dapat dilakukan revisi judgement, yaitu dengan dicari deviasi RMS dari barisan (aij dan
Wi / Wj ) dan merevisi judgment pada baris yang mempunyai nilai prioritas terbesar

Memang sulit untuk mendapatkan konsisten sempurna, dalam kehidupan misalnya

dalam berbagai kehidupan khusus sering mempengaruhi preferensi sehingga keadaan dapat
berubah. Jika buah apel lebih disuka dari pada jeruk dan jeruk lebih disukai daripada pisang,
tetapi orang yang sama dapat menyukai pisang daripada apel, tergantung pada waktu, musim
dan lain-lain. Namun konsistensi sampai kadar tertentu dalam menetapkan perioritas untuk
setiap unsur adalah perlu sehingga memperoleh hasil yang sahih dalam dunia nyata. Rasio
ketidakkonsistenan maksimal yang dapat ditolerir 10 %.
Penggunaan Software Expert Choise Untuk Metode AHP

ExpertChoise adalah suatu sistem yang digunakan untuk melakukan analisa,

sistematis, dan pertimbangan (justifikasi) dari sebuah evaluasi keputusan yang
kompleks. Expert Choice telah banyak digunakan oleh berbagai instansi bisnis dan
pemerintah diseluruh dunia dalam berbagai bentuk aplikasi, antara lain:

 Pemilihan alternatif
 Alokasi sumber daya
 Keputusan evaluasi dan upah karyawan
 QualityFunctionDeployment
 Penentuan Harga
 Perumusan Strategi Pemasaran
 Evaluasi proses akuisisi dan merger
 Dan sebagainya

Dengan menggunakan expertchoice, maka tidak ada lagi metode coba-coba dalam
proses pengambilan keputusan. Dengan didasari oleh AnalitycalHierarchyProcess (AHP),
penggunaan hirarki dalam expertchoice bertujuan untuk mengorganisir perkiraan dan intuisi
dalam suatu bentuk logis. Pendekatan secara hierarki ini memungkinkan pengambil
keputusan untuk menganalisa seluruh pilihan untuk pengambilan keputusan yang efektif.
Pengertian Metode Simple Additive Weighting (SAW)

Metode SAW adalah Salah satu metode yang digunakan untuk menyelesaikan
masalah dari Fuzzy Multiple Attribute Decision Making ( FMADM ) adalah metode Simple
Additive Weighting (SAW) yaitu suatu metode yang digunakan untuk mencari alternatif
optimal dari sejumlah alternatif dengan kriteria tertentu.

Definisi Metode Simple Additive Weighting (SAW)sering juga dikenal istilah metode
penjumlahan terbobot. Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari
rating kinerja pada setiap alternatif pada semua atribut (Pahlevy. 2010). Metode ini
membutuhkan proses normalisasi matriks keputusan X ke suatu skala yang dapat
diperbandingkan dengan semua rating alternatif yang ada.
Formulauntukmelakukannormalisasitersebutadalahsebagaiberikut (Kusumadewi, Harjoko,
dan Wardoyo. 2006):

Dimana:

rij = rating kinerja ternormalisasi dari alternatif Ai (i=,2,…,m) Maxi= nilai maksimum dari
setiap baris dan kolom.

Mini= nilai minimum dari setiap baris dan kolom. xij= baris dan kolom dari matriks.

Formula untuk mencari nilai preferensi untuk setiap alternatif (Vi) diberikan sebagai(
Kusumadewi, Harjoko, dan Wardoyo.2006):

Dimana:

Vi = Nilai akhir dari alternatif Wi= Bobot yang telah ditentukan

rij = Normalisasi matriks.

Nilai Vi yang lebih besar mengindikasikan bahwa aternatif Ai lebih terpilih.

Langkah- langkah Metode SAW
1. Menentukan kriteria-kriteria yang akan dijadikan acuan dalam pengambilan
keputusan.
2. Menentukan rating kecocokan setiap alternatif pada setiap kriteria.
3. Membuat matriks keputusan berdasarkan kriteria, kemudian melakukan
normalisasi matriks berdasarkan persamaan yang disesuaikan dengan jenis
atribut (atribut keuntungan ataupun atribut biaya) sehingga diperoleh matriks
ternormalisasi R.
4. Hasil akhir diperoleh dari proses perankingan yaitu penjumlahan dari perkalian
matriks ternormalisasi R dengan vektor bobot sehingga diperoleh nilai terbesar
yang dipilih sebagai alternatif terbaik sebagai solusi (Henry. 2009).

Kelebihan Metode SAW

Kelebihan dari metode simple additive weighting dibanding dengan model pengambil
keputusan lainnya terletak pada kemampuannya untuk melakukan penilaian secara lebih tepat
karena didasarkan pada nilai kriteria dan bobot preferensi yang sudah ditentukan, selain itu
SAW juga dapat menyeleksi alternatif terbaik dari sejumlah alternatif yang ada karena
adanya proses perangkingan setelah menentukan bobot untuk setiap atribut.
Weighted Product ( WP )
Metode WP Metode weighted product merupakan salah satu metode penyelesaian
yang di tawarkan untuk menyelesaikan masalah Multi Atribute Decission Making (MADM).
Metode WP mirip COMPILER 19 Ryzal Pradito, Yuliani indrianingsih dengan metode
Weighted Sum (WS), hanya saja metode WP terdapat perkalian perhitungan matematiknya.
Metode WP juga di sebut analisis berdimensi karena struktur matematikanya menghilangkan
satu ukuran. Metode WP adalah himpunan berhingga dari alternatif keputusan yang di
jelaskan dalam beberapa hal kriteria keputusan. Jadi metode ini tidak perlu di normalisasikan.

a. Rumus melakukakn perbaikan bobot :

𝑊
∑𝑛𝑖=1 𝑤𝑗 = 𝑗 … … … … … … … … … … … … … … … … … … … … … . … … ( Rumus 1 )
∑W 𝑗

b. Rumus perhitungan vektor S :

Si = ∏𝑛𝑗=1 𝑋𝑖𝑗𝑤𝑗 ; dengan i = 1,2,...,m.................................................. (Rumus 2 )